数据分析实战之数据可视化

一、可视化图有哪些

按照数据之间的关系，可以把可视化图分为4类

• 比较：比较数据间各类别的关系，或者是它们随时间的变化趋势，比如折线图；
• 联系：查看两个或两个以上变量之间的关系，比如散点图；
• 构成：每个部分占整体的百分比，或者是随着时间的百分比变化，比如饼图；
• 分布：关注单个变量，或者多个变量的分布情况，比如直方图。

按照变量的个数，可以分为单变量分析和多变量分析

• 单变量分析：指的是一次只关注一个变量
• 多变量分析：可以在一张图上查看两个变量以上的关系

二、10种常见的视图

1、散点图：将两个变量的值显示在二维坐标中，非常适合展示两个变量之间的关系。

matpoltlib绘制可视化图形用pyplot这个工具包。在使用前需要先进行引用。也可以用seaborn这个工具包，使用前进行包的引用1）plt.scatter(x,y,marker=None)  x,y是坐标，marker代表了 标记的符号，选择不同的marker呈现出的符号样式也不同
2）sns.jointplot(x,y,data = None,kind = 'scatter')  x，y是data中的下标，data是要传入的数据；一般是DataFrame类             型；kind代表不同的视图绘图方式

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns


n = 1000
x = np.random.randn(n)
y = np.random.randn(n)
plt.scatter(x,y,marker='*') 

df = pd.DataFrame({'x':x,'y':y})
sns.jointplot(x,y,data = df,kind = 'scatter')

   

Matplotlib 默认情况下呈现出来的是个长方形。而 Seaborn呈现的是个正方形，不仅显示出了散点图，还给了这两个变量的分布情况

2、折线图：表示数据随时间变化的趋势。

1）在Matplotlib 使用plt.plot()函数

2）在Seaborn中使用sns.lineplot (x, y, data=None）函数。其中x，y是data中的下标，data是要传入的数据，一般是DataFrame类型